【技术实现步骤摘要】
本专利技术涉及医疗数据处理，尤其涉及的是一种基于呼吸气体的阿尔茨海默症检测设备及方法。
技术介绍
1、与糖尿病、肾衰竭等已经被研究多年的器质性疾病不同，作为非器质性疾病的阿尔兹海默症的发病机制仍是一个未知的过程，截至2023年，阿尔兹海默症在病理学上的解释仍还是多种假说并存，对于代谢变化的详细解释仍不清晰，得到证实的只有患者的神经元存在功能障碍。但即使如此，研究人员也没有放弃推进阿尔兹海默症定量分析研究的努力，而呼吸分析也已经被证实为可以对阿尔兹海默症及阿尔兹海默症所产生的轻度认知障碍分析发挥出理想的作用。
2、第一个将呼吸成分分析用于检测阿尔兹海默症的研究包含两项内容，第一项为使用基于纳米材料的传感器作为分析平台对阿尔兹海默患者与健康对照组的呼吸成分指纹进行区分，实现了85％的正确率；第二项为使用气相色谱结合质谱技术对患者与对照组的呼吸成分进行探索，最终发现了存在24种浓度显著不同的物质，证明了呼吸分析对于阿尔兹海默症分析技术的可行性。还有研究使用cyranose 320enose(一种多功能商用电子鼻)和离子迁移谱分析阿尔兹海默症与健康对照组之间呼出气体成分的差异，在使用离子迁移谱时，检测到存在5种发挥性有机化合物存在显著差异，并通过四个变量的决策树实现了正确率为94％的分析，但遗憾的是使用cyranose 320enose时只能展现出阿尔兹海默症与健康对照组存在差异，但敏感度和特异度均有待进一步提高。此外，还有研究使用定制的呼气传感器系统与气相色谱结合质谱方法对阿尔兹海默症患者和健康对照组进行了聚类分析，证明了
3、对于所提到的气相色谱、质谱以及离子迁移谱等为例的化学分析方法来说，其主要缺点均为使用难度高、通常样品均需要进行复杂的预处理以形成高纯度的样品、实验人员需要经过长时间的专业培训并且需要配备专业实验室来完成这一过程。因此，现有的用于检测阿尔兹海默症的技术方案还存在应用难和检测准确率低的问题。
4、因此，现有技术还有待改进。
技术实现思路
1、本专利技术要解决的技术问题在于，针对现有技术缺陷，本专利技术提供一种基于呼吸气体的阿尔茨海默症检测设备及方法，以解决技术方案还存在应用难和检测准确率低的问题。
2、本专利技术解决技术问题所采用的技术方案如下：
3、第一方面，本专利技术提供一种基于呼吸气体的阿尔茨海默症检测设备，包括：
4、呼吸气体数据采集模块，用于通过气敏传感器阵列采集待检测呼吸气体的波形信号数据；
5、计算终端，用于对所述波形信号数据进行特征提取，并基于预设特征选择策略对提取得到的特征进行筛选，得到最优特征子集；以及用于将所述最优特征子集与阿尔兹海默症样本及健康样本进行对比分析，输出检测结果。
6、在一种实现方式中，所述呼吸气体数据采集模块包括：
7、微型真空泵，用于抽取所述待检测呼吸气体；
8、所述气敏传感器阵列，用于采集所述待检测呼吸气体的传感器信号；
9、信号处理子模块，用于向所述气敏传感器阵列发送温度调控信号；以及用于对所述气敏传感器阵列获取的传感器信号进行信号处理，得到处理后的传感器信号；
10、数据采集卡，用于向所述微型真空泵发送控制信号，向所述信号处理子模块发送所述温度调控信号；以及用于将所述处理后的传感器信号传输至所述计算终端；
11、所述微型真空泵和所述信号处理子模块分别与所述数据采集卡连接；所述数据采集卡与所述计算终端连接；所述气敏传感器阵列与所述信号处理子模块连接。
12、在一种实现方式中，所述气敏传感器阵列包括：固体电解质二氧化碳传感器、对酮类化合物与烃类化合物敏感的tgs826传感器以及tgs2600传感器。
13、第二方面，本专利技术提供一种如第一方面所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，包括：
14、通过气敏传感器阵列采集待检测呼吸气体的波形信号数据；
15、对所述波形信号数据进行特征提取，并基于预设特征选择策略对提取得到的特征进行筛选，得到最优特征子集；
16、将所述最优特征子集与阿尔兹海默症样本及健康样本进行对比分析，输出检测结果。
17、在一种实现方式中，所述通过气敏传感器阵列采集待检测呼吸气体的波形信号数据，包括：
18、通过所述气敏传感器阵列采集所述待检测呼吸气体中对酮类化合物与烃类化合物较为敏感的气体的传感器信号，得到所述波形信号数据。
19、在一种实现方式中，所述对所述波形信号数据进行特征提取，包括：
20、基于所述波形信号数据对所述待检测呼吸气体的强度、反应时间、差异程度、升降趋势以及整体特点进行几何特征提取，并通过快速傅里叶变换和小波变换对所述待检测呼吸气体进行频域特征提取，得到所述待检测呼吸气体的多维特征集合。
21、在一种实现方式中，基于预设特征选择策略对提取得到的特征进行筛选，得到最优特征子集，包括：
22、基于前向选择的特征选择策略将所述多维特征集合中的一个特征集中添加对应的特征，得到所述最优特征子集；
23、或基于随机森林的特征选择策略，删除掉在随机森林算法中排名最后的多个特征，得到所述最优特征子集。
24、在一种实现方式中，所述基于前向选择的特征选择策略将所述多维特征集合中的一个特征集中添加对应的特征，得到所述最优特征子集，包括：
25、对于所述多维特征集合中的一个特征集a，从候选特征集合s中加入一个特征到所述特征集a；
26、通过分类器对加入特征后的特征集a进行特征分类；
27、判断所述候选特征集合s是否为空或所述加入特征后的特征集a的准确率是否不提升；
28、若所述候选特征集合s为空或所述加入特征后的特征集a的准确率不提升，则得到所述最优特征子集。
29、在一种实现方式中，所述基于随机森林的特征选择策略，删除掉在随机森林算法中排名最后的多个特征，得到所述最优特本文档来自技高网...
【技术保护点】
1.一种基于呼吸气体的阿尔茨海默症检测设备，其特征在于，包括：
2.根据权利要求1所述的基于呼吸气体的阿尔茨海默症检测设备，其特征在于，所述呼吸气体数据采集模块包括：
3.根据权利要求1所述的基于呼吸气体的阿尔茨海默症检测设备，其特征在于，所述气敏传感器阵列包括：固体电解质二氧化碳传感器、对酮类化合物与烃类化合物敏感的TGS826传感器以及TGS2600传感器。
4.一种如权利要求1～3任一项所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，包括：
5.根据权利要求4所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，所述通过气敏传感器阵列采集待检测呼吸气体的波形信号数据，包括：
6.根据权利要求4所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，所述对所述波形信号数据进行特征提取，包括：
7.根据权利要求6所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，基于预设特征选择策略对提取得到的特征进行筛选，得到最优特征子集，包括：
8.根据权利要求
9.根据权利要求7所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，所述基于随机森林的特征选择策略，删除掉在随机森林算法中排名最后的多个特征，得到所述最优特征子集，包括：
10.根据权利要求4所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，所述将所述最优特征子集与阿尔兹海默症样本及健康样本进行对比分析，输出检测结果，包括：
...【技术特征摘要】
1.一种基于呼吸气体的阿尔茨海默症检测设备，其特征在于，包括：
2.根据权利要求1所述的基于呼吸气体的阿尔茨海默症检测设备，其特征在于，所述呼吸气体数据采集模块包括：
3.根据权利要求1所述的基于呼吸气体的阿尔茨海默症检测设备，其特征在于，所述气敏传感器阵列包括：固体电解质二氧化碳传感器、对酮类化合物与烃类化合物敏感的tgs826传感器以及tgs2600传感器。
4.一种如权利要求1～3任一项所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，包括：
5.根据权利要求4所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，所述通过气敏传感器阵列采集待检测呼吸气体的波形信号数据，包括：
6.根据权利要求4所述的基于呼吸气体的阿尔茨海默症检测设备的检测方法，其特征在于，所述对所述波形信号...
【专利技术属性】
技术研发人员：陈子洋，高原，张成龙，江志兴，张大鹏，
申请(专利权)人：香港中文大学深圳，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。